La IA física marca un punto de inflexión tecnológico, caracterizada por sistemas de IA que perciben, razonan e interactúan con el mundo físico mediante robots, vehículos autónomos y máquinas adaptativas. Esta convergencia señala una transición de la investigación a la adopción comercial generalizada, comparable a un momento decisivo para la robótica. Impulsando la innovación desde las fábricas de Silicon Valley hasta los centros tecnológicos globales, la IA física está dando forma al futuro de la automatización y los sistemas inteligentes en todos los sectores. Comprender este impulso revela el panorama en constante evolución donde la IA avanzada trasciende el procesamiento de datos para generar acciones e impactos en el mundo real.

La IA está transformando la ciberseguridad al potenciar los ataques y fortalecer las defensas. En 2026, la seguridad de la IA se centra en proteger el uso empresarial de la IA, salvaguardar los modelos y la infraestructura de IA, y defenderse de las amenazas impulsadas por la IA. Este campo en constante evolución aborda los riesgos derivados del reconocimiento mejorado por la IA, el phishing, la mutación del malware y los ataques adaptativos, al tiempo que respalda la integración segura de las herramientas de IA en los flujos de trabajo empresariales.

En el MWC 2026, SK Telecom presentó su ambiciosa estrategia «AI Native», que transforma toda su infraestructura, desde el núcleo de la red hasta el servicio al cliente, con inteligencia artificial de vanguardia. La compañía está ampliando sus centros de datos a escala de gigavatios y desarrollando un modelo de lenguaje propio de gran tamaño con más de un billón de parámetros. SK Telecom aspira a impulsar la innovación en valor para el cliente y posicionar a Corea del Sur entre los tres líderes mundiales en IA mediante importantes inversiones y un rediseño integral del sistema, lo que supone una evolución significativa más allá de las telecomunicaciones tradicionales.

Bancos líderes como Goldman Sachs y Deutsche Bank están adoptando inteligencia artificial (IA) avanzada para la supervisión de operaciones, superando los sistemas tradicionales basados ​​en reglas. Estas herramientas de IA analizan patrones de negociación en tiempo real para detectar posibles irregularidades con mayor eficacia, mejorando la supervisión y el cumplimiento normativo. Mediante el uso de agentes de software adaptativos, los bancos buscan gestionar la creciente complejidad y escala de los mercados modernos, mejorando la detección de riesgos y el cumplimiento regulatorio a través de una monitorización inteligente y dinámica.

Muchas organizaciones corren el riesgo de ver disminuir su productividad y competitividad debido a una deficiente colaboración entre humanos e IA. Datatonic destaca que el éxito de la IA empresarial depende de sistemas bien gestionados con intervención humana (HiTL, por sus siglas en inglés) que integren la IA de forma fluida en los flujos de trabajo humanos. Las empresas que descuidan este enfoque híbrido se enfrentan a una toma de decisiones más lenta e ineficiencias operativas. Al combinar la experiencia humana con la IA, las empresas pueden acelerar los procesos y obtener un mayor valor de sus inversiones en IA, evitando la pérdida de productividad y manteniendo su competitividad.

Mejore la confianza en la IA con agentes para los flujos de trabajo financieros con herramientas que abordan la opacidad de la automatización. Las instituciones financieras dependen de la IA para gestionar grandes volúmenes de datos no estructurados para el análisis de inversiones, el cumplimiento normativo y las investigaciones, pero aún existen desafíos para garantizar un razonamiento coherente y explicable en tareas complejas. La nueva plataforma Arena de Sentient ofrece un entorno de producción para someter a prueba a los agentes de IA, lo que ayuda a los líderes tecnológicos a mejorar la transparencia, la fiabilidad y la orquestación de los flujos de trabajo automatizados, al tiempo que minimiza los riesgos de sanciones regulatorias y errores operativos.

Las nubes desconectadas mejoran la gobernanza de datos de IA a medida que las empresas adaptan su infraestructura para cumplir con requisitos regulatorios más estrictos. Microsoft amplió sus capacidades para industrias reguladas y el sector público, ofreciendo soluciones integrales en modos conectados, con conexión intermitente y totalmente desconectados. Esta arquitectura unificada combina Azure Local, Microsoft 365 Local y Foundry Local en una nube privada soberana, lo que garantiza la continuidad operativa en entornos aislados. Este enfoque mantiene la protección de datos, controles aplicables y operaciones ininterrumpidas, independientemente de las condiciones externas o las limitaciones de acceso a internet, proporcionando experiencias localizadas que se adaptan a cualquier escenario de conectividad.

Descubra cómo Nokia y AWS están revolucionando las redes de telecomunicaciones con la tecnología de segmentación de red basada en IA. Este innovador sistema permite ajustes automáticos en tiempo real al tráfico y la calidad del servicio, con agentes de IA que supervisan las condiciones y asignan recursos de forma dinámica. Actualmente en fase de pruebas por du en los Emiratos Árabes Unidos y Orange en Europa y África, esta solución adaptativa transforma la segmentación manual tradicional de redes 5G en una infraestructura inteligente y receptiva que se adapta rápidamente a la demanda cambiante, marcando un cambio significativo hacia la gestión autónoma de redes en las telecomunicaciones.

Anthropic descubrió tres ataques masivos de destilación de modelos de IA dirigidos a Claude, en los que la competencia utilizó más de 24 000 cuentas falsas para generar 16 millones de transacciones. Estas campañas maliciosas tenían como objetivo extraer las capacidades patentadas de Claude mediante la destilación, una técnica que entrena sistemas de IA menos avanzados con los resultados de sistemas más potentes. Si bien la destilación legítima ayuda a crear versiones eficientes de los modelos, los atacantes la utilizan como arma para robar capacidades avanzadas de IA de forma rápida y económica. Esto supone una grave amenaza para la propiedad intelectual, especialmente porque los ciberdelincuentes eluden las restricciones de acceso de Anthropic en China por motivos de seguridad nacional, lo que pone de manifiesto los desafíos críticos para proteger la tecnología de IA de la extracción no autorizada y el robo competitivo.

Mastercard presentó su primera transacción de "comercio autenticado por agentes" en la India AI Impact Summit 2026, mostrando un futuro donde los agentes de IA completan las compras de forma autónoma. En la demostración controlada, un agente de IA buscó productos, evaluó sitios web y ejecutó transacciones utilizando credenciales de pago almacenadas dentro de un marco seguro que verifica tanto a los usuarios como a los agentes de IA. No fue necesario abrir ninguna aplicación ni introducir manualmente la tarjeta. Si bien aún no se ha implementado públicamente, a la espera de la aprobación regulatoria y la preparación del ecosistema, esta demostración señala un cambio significativo en los sistemas de pago, donde agentes de software, en lugar de humanos, podrían gestionar las decisiones de compra de los clientes y los sistemas corporativos.

Coca-Cola cambia su estrategia de marketing, pasando de los aumentos de precios a la persuasión, aprovechando la IA y las plataformas digitales para impulsar la demanda. A medida que disminuye la presión inflacionaria, el gigante de las bebidas entra en una nueva fase centrada en la influencia en lugar del poder de fijación de precios. La compañía está ampliando el papel de la IA en la producción de marketing, las campañas creativas, la creación de contenido, la planificación de campañas y la distribución. Este giro estratégico refleja la evolución del comportamiento del consumidor respecto a las marcas y demuestra cómo la inteligencia artificial se está convirtiendo en un elemento fundamental de la toma de decisiones de marketing corporativo y la ejecución en tienda para lograr un crecimiento sostenido de los ingresos.

Un exhaustivo estudio internacional realizado por el Banco de la Reserva Federal de Atlanta, el Banco de Inglaterra, el Deutsche Bundesbank y la Universidad Macquarie examinó el impacto de la IA en casi 6000 ejecutivos de cuatro países. La investigación reveló modestos cambios generales en la productividad y el empleo a lo largo de tres años, y más del 90 % de las empresas no reportaron cambios significativos en su plantilla tras la adopción de la IA. Estos efectos graduales reflejan las fases iniciales de implementación, más que un fallo tecnológico, lo que concuerda con los patrones históricos de la evolución de las tecnologías de propósito general. Con una tasa de adopción del 69 % por parte de las empresas, los resultados sugieren que el impacto transformador de la IA aún está en desarrollo.

La adopción de la IA en el sector minorista de la región Asia-Pacífico está pasando de proyectos piloto a operaciones diarias, impulsada por la densidad urbana, los desafíos laborales y la competencia del comercio rápido. Una encuesta de GlobalData del cuarto trimestre de 2025 muestra que el 45 % de los consumidores asiáticos y australianos son propensos a comprar basándose en recomendaciones de IA. El aprendizaje automático ha influido durante mucho tiempo en las decisiones de compra, la visibilidad de los productos y los descuentos, mientras que los sistemas de agentes ahora completan las tareas de compra de principio a fin. La visión artificial y la automatización se están implementando a nivel regional, como lo demuestran las tiendas "Lawson Go" de Lawson, habilitadas con IA y lanzadas en Japón en 2022, que muestran aplicaciones prácticas de estas tecnologías en entornos minoristas.

La adopción de la IA en la gestión de tesorería empresarial reemplaza las hojas de cálculo manuales con flujos de datos automatizados, abordando los desafíos de la volatilidad del mercado y las exigencias regulatorias. IBS FinTech, uno de los cinco principales proveedores globales con 19 años de experiencia, identifica deficiencias críticas en las oficinas de los directores financieros, donde los departamentos de tesorería aún dependen de Excel para gestionar el efectivo, la liquidez y el riesgo. Ashish Kumar, de Infosys Oracle Sales, y CM Grover analizan cómo la automatización impulsada por IA transforma las operaciones de tesorería corporativa, gestionando los riesgos cambiarios y los datos financieros complejos que los métodos manuales tradicionales tienen dificultades para gestionar de manera eficiente en el panorama financiero digital actual.

Los líderes del sector financiero están pasando de la experimentación con IA a la integración operativa en 2026, pasando de la generación de contenido aislada a sistemas de IA industrializados. El objetivo es implementar agentes de IA que ejecuten procesos de forma autónoma dentro de marcos de gobernanza, en lugar de simplemente asistir a los humanos. Esta transición exige una evolución arquitectónica, desde herramientas dispares hasta sistemas unificados que gestionen datos, lógica de decisión y ejecución simultáneamente. El principal desafío de escalabilidad ya no es la disponibilidad de modelos, sino la coordinación, ya que los equipos se enfrentan a fricciones entre los sistemas heredados y los requisitos de cumplimiento al convertir las decisiones basadas en IA en acciones concretas.

Descubra cómo SS&C Blue Prism guía a las organizaciones en la transición de la automatización robótica de procesos (RPA) tradicional a la automatización con IA basada en agentes. A medida que los flujos de trabajo modernos se vuelven cada vez más complejos, con datos no estructurados e interacciones no deterministas, la RPA tradicional alcanza sus límites. SS&C Blue Prism ofrece un enfoque gradual y cómodo para la adopción de la automatización basada en agentes, ayudando a las empresas a gestionar decisiones contextuales y resultados en tiempo real. Descubra por qué esta evolución es esencial para gestionar procesos complejos como los acuerdos de crédito, que requieren la extracción inteligente de respuestas en lugar de la simple recopilación de datos.

NatWest Group ha ampliado significativamente su despliegue de inteligencia artificial en 2025 en atención al cliente, documentación de gestión patrimonial y desarrollo de software. El banco mejoró su asistente digital Cora con IA generativa, ampliando los recorridos del cliente compatibles de cuatro a 21, lo que se traduce en tiempos de resolución más rápidos y una menor necesidad de intervención humana. A principios de 2025, 25 000 clientes tendrán acceso a un nuevo asistente financiero interactivo basado en modelos de OpenAI, que permitirá realizar consultas en lenguaje natural sobre transacciones y patrones de gasto. Estas implementaciones de IA buscan impulsar la productividad y la interacción con el cliente en todas las operaciones de la organización.

Los líderes financieros están logrando un retorno de la inversión (ROI) del 80 % con IA automatizada para la gestión de cuentas por pagar, superando a los proyectos de IA general, que alcanzan el 67 %. A diferencia de las herramientas de IA generativa, los agentes autónomos ejecutan flujos de trabajo complejos de forma independiente, dentro de reglas y umbrales de aprobación definidos, lo que genera resultados cuantificables. Casi la mitad de los directores financieros se enfrentan a la presión de implementar IA en todas las operaciones, aunque el 61 % admite que sus organizaciones implementaron agentes de IA personalizados de forma experimental, en lugar de estratégica. Este cambio del valor teórico a los resultados tangibles está transformando la manera en que los directores de informática asignan los presupuestos de automatización, convirtiendo las tareas manuales de cuentas por pagar en flujos de trabajo autónomos que generan valor real para el negocio.

Murder Mystery 2 (MM2) es más que un simple juego de deducción social de Roblox: es un laboratorio de comportamiento para estudiar la investigación en IA sobre la toma de decisiones emergentes y los sistemas adaptativos. Los jugadores asumen roles aleatorios como asesino, sheriff o inocente, lidiando con información incompleta e incertidumbre en tiempo real. Este microcosmos del comportamiento humano distribuido ofrece perspectivas sobre cómo los sistemas de IA modelan entornos impredecibles, interpretan intenciones y adaptan estrategias. Cada ronda crea nuevas condiciones para el análisis del comportamiento, lo que hace que MM2 sea valioso para comprender los patrones de toma de decisiones que reflejan los desafíos del desarrollo de la inteligencia artificial y el modelado de la incertidumbre.

Investigadores de la Universidad de Hertfordshire desarrollaron un modelo de predicción de IA operativa para mejorar la eficiencia de los recursos sanitarios mediante el análisis de datos históricos. A diferencia de las herramientas de IA sanitarias convencionales, centradas en diagnósticos individuales, este sistema se enfoca en la gestión operativa de todo el sistema, utilizando cinco años de datos para predecir admisiones, tratamientos, reingresos y capacidad de camas. La colaboración en aprendizaje automático con el Servicio Nacional de Salud (NHS) regional ayuda a los gerentes a optimizar la dotación de personal, la atención al paciente y los recursos mediante decisiones prospectivas basadas en datos, transformando la información archivada en información práctica para la planificación operativa de las organizaciones sanitarias del sector público.

Hackers patrocinados por estados de Irán, Corea del Norte, China y Rusia están utilizando herramientas avanzadas de IA, como Gemini de Google, para potenciar sus ciberataques. El Grupo de Inteligencia de Amenazas de Google informa que estos actores respaldados por gobiernos emplean grandes modelos de lenguaje a lo largo de todo el ciclo de vida del ataque para el reconocimiento, la ingeniería social y el desarrollo de malware. El informe trimestral AI Threat Tracker revela cómo los ciberdelincuentes diseñan sofisticadas campañas de phishing y desarrollan software malicioso de forma más eficiente. Los modelos de lenguaje se han convertido en herramientas esenciales para la investigación técnica, las operaciones de selección de objetivos y la generación rápida de señuelos de phishing sofisticados, lo que marca una evolución significativa en las capacidades de ciberguerra patrocinadas por estados.

Barclays registró un aumento del 12 % en sus beneficios anuales para 2025, alcanzando los 9100 millones de libras antes de impuestos, impulsado por el crecimiento de su negocio en Estados Unidos y la reducción de costes gracias a la inteligencia artificial. El banco elevó sus objetivos de rendimiento hasta 2028, con el objetivo de lograr una rentabilidad sobre el capital tangible superior al 14 %. A diferencia de sus competidores, que aún están probando iniciativas de IA, Barclays integra directamente esta tecnología en su estructura de costes y estrategia de beneficios, posicionando la IA como esencial para mantener las mejoras en la eficiencia y la rentabilidad en un contexto macroeconómico cambiante dentro del sector financiero regulado.

Los gigantes tecnológicos chinos Alibaba, Tencent y Huawei están desarrollando sistemas de IA con capacidad de ejecutar tareas complejas de forma autónoma e interactuar con software sin intervención humana, dirigidos a sectores y flujos de trabajo específicos. Alibaba lidera esta tendencia con su familia de modelos de IA de código abierto Qwen, que incluye modelos de lenguaje multilingües de gran tamaño que impulsan sus servicios de IA y plataformas de agentes en Alibaba Cloud. La compañía ofrece públicamente herramientas documentadas para el desarrollo de agentes y servicios de bases de datos vectoriales, lo que permite a los usuarios crear agentes autónomos. Los modelos Qwen son compatibles con soluciones específicas para los sectores de finanzas, logística y atención al cliente, y la aplicación Qwen ha logrado una importante adopción por parte de los usuarios desde su lanzamiento en versión beta pública.

Los mercados de criptomonedas han pasado de una volatilidad impulsada por titulares a movimientos más lentos, influenciados por instituciones y moldeados por la asignación de capital, la mecánica de los ETF y el posicionamiento macroeconómico. El precio actual de XRP ejemplifica esta transformación, reflejando decisiones de instituciones, gestores de fondos y reguladores, más que la mera actividad de negociación. Las herramientas de IA rastrean cada vez más estos datos complejos, identificando relaciones y mapeando las entradas y salidas de ETF, organizando la complejidad del mercado en lugar de predecir resultados. Comprender esta distinción es crucial para interpretar los mercados de criptomonedas modernos, donde el análisis tradicional a corto plazo ya no refleja la totalidad del comportamiento de los precios, influenciado por fuerzas estructurales que no siempre se manifiestan con claridad.

Tradicionalmente, las pruebas de penetración respondían a la pregunta de cómo los atacantes motivados atacaban sistemas reales mediante acciones controladas en entornos estables con cambios lentos en la infraestructura. La realidad actual es muy diferente: los entornos modernos presentan servicios en la nube, plataformas de identidad, API, integraciones SaaS y capas de automatización en constante evolución. La vulnerabilidad de seguridad ahora proviene tanto de cambios de configuración, cambios en los permisos y diseño de flujos de trabajo como de vulnerabilidades en el código. La postura de seguridad cambia significativamente sin necesidad de implementaciones. Los atacantes se han adaptado mediante el reconocimiento automatizado, la explotación persistente oportunista y la correlación de señales débiles entre sistemas para facilitar la progresión del ataque en estos entornos dinámicos nativos de la nube.

Las grandes empresas están pasando de herramientas de IA experimentales a agentes de IA operativos capaces de realizar tareas reales dentro de los sistemas corporativos. La nueva plataforma Frontier de OpenAI permite a las empresas crear y gestionar agentes de IA a gran escala, descritos como "colaboradores de IA" que se integran con los flujos de trabajo empresariales. Entre los primeros usuarios se encuentran empresas de los sectores financiero, de seguros, de movilidad y de ciencias de la vida, lo que indica la transición de la IA de proyectos piloto a funciones operativas reales. Estos agentes mantienen un conocimiento compartido de los procesos de la empresa para ejecutar tareas de forma fiable en todos los sistemas empresariales.

Descubra cómo el no determinismo angélico probabilístico (PAN) y el marco ENCOMPASS abordan los desafíos de escalabilidad de los agentes de IA al separar la lógica de negocio de las estrategias de ejecución. Conozca cómo investigadores de Asari AI, MIT CSAIL y Caltech proponen un nuevo estándar arquitectónico para gestionar la estocasticidad de LLM, reduciendo la complejidad del mantenimiento en agentes de IA de nivel de producción. Este enfoque desacopla los flujos de trabajo centrales de los mecanismos de gestión de errores, lo que permite sistemas de agentes más fiables y escalables para su implementación empresarial.

El segundo día de la AI & Big Data Expo y la Semana de la Transformación Digital en Londres puso de manifiesto un cambio en el mercado: de la euforia por la IA generativa a los desafíos prácticos de su implementación. Las sesiones empresariales hicieron hincapié en las necesidades críticas de infraestructura, como el linaje de datos, la observabilidad y el cumplimiento normativo en modelos de lenguaje complejos. Líderes del sector, como Northern Trust y Just Eat, destacaron que la fiabilidad de la IA depende fundamentalmente de la calidad de los datos y la madurez analítica. Sin estrategias de datos verificadas, la toma de decisiones automatizada amplifica los errores en lugar de reducirlos, lo que conlleva el riesgo de fallos algorítmicos por entradas deficientes antes de una implementación exitosa de la IA.

Descubra cómo la IA está evolucionando de la automatización pasiva a los sistemas activos en la AI & Big Data Expo y la Intelligent Automation Conference. Expertos de Citi, DeepL y SS&C Blue Prism analizan cómo estos sistemas avanzados de IA razonan, planifican y ejecutan tareas de forma independiente, funcionando como colaboradores digitales en lugar de simples herramientas. Aprenda sobre cómo superar la brecha de automatización, la infraestructura necesaria para respaldar la IA activa y por qué las organizaciones deben dominar la automatización estándar antes de implementar estos sistemas inteligentes que conectan la intención con la ejecución en los flujos de trabajo empresariales.

Descubra por qué la calidad de los datos es crucial antes de implementar iniciativas de IA. Según Gartner, la mala calidad de los datos le cuesta a las organizaciones un promedio de 12,9 millones de dólares anuales en recursos desperdiciados y oportunidades perdidas. Aprenda de las perspectivas de Ronnie Sheth, CEO de SENEN Group, sobre estrategia, ejecución y gobernanza de la IA. Las empresas reconocen cada vez más la importancia de la calidad de los datos para evitar errores costosos al adoptar soluciones de IA. Explore las mejores prácticas para la gestión de datos y la preparación para la IA para garantizar una transformación digital exitosa y maximizar el retorno de la inversión, minimizando al mismo tiempo los riesgos asociados con una infraestructura de datos deficiente.

Klarna se asocia con Google para respaldar el Protocolo de Comercio Universal (UCP) y el Protocolo de Pagos de Agentes (AP2), estándares abiertos diseñados para resolver problemas de interoperabilidad en el comercio impulsado por IA. Estos protocolos buscan unificar la forma en que los agentes de IA descubren productos y procesan transacciones, reemplazando las integraciones personalizadas fragmentadas que actualmente funcionan como sistemas cerrados. Al respaldar este marco estandarizado, Klarna se convierte en un proveedor de pagos pionero que permite experiencias de compra automatizadas y fluidas, reduce los costos de desarrollo y amplía el alcance de las herramientas de comercio con IA en diversas plataformas y sistemas de comercio.

Los gigantes tecnológicos chinos Alibaba, Tencent y ByteDance lideran un cambio estratégico hacia la IA con agentes, centrada en la integración del comercio, en contraste con el énfasis de las empresas occidentales en los modelos tradicionales. Estas compañías están desarrollando rápidamente sistemas de IA que ejecutan de forma autónoma ciclos de transacción completos, desde el descubrimiento de productos hasta el pago. El chatbot Qwen de Alibaba, ahora mejorado, permite transacciones directas en todo su ecosistema, incluyendo Taobao, Alipay, Amap y Fliggy, y ofrece soporte para más de 400 tareas digitales con recomendaciones personalizadas. Este enfoque de IA autónoma, que prioriza el comercio, podría transformar radicalmente las estrategias de implementación empresarial a nivel global y redefinir las ventajas competitivas en la industria de la inteligencia artificial.

PepsiCo está aprovechando la IA y los gemelos digitales para transformar sus operaciones de fabricación, centrándose en aplicaciones prácticas en lugar de herramientas de oficina. La compañía utiliza modelos virtuales de sistemas físicos para simular la distribución de las fábricas, la ubicación de los equipos, el flujo de materiales y la velocidad de producción antes de implementar cambios reales. Al combinar gemelos digitales con IA, PepsiCo puede probar miles de escenarios que serían demasiado costosos o arriesgados para probar en líneas de producción reales. Este enfoque ayuda a configurar las fábricas más rápidamente, minimizar las interrupciones y reducir los errores en áreas donde los errores son costosos y difíciles de revertir, lo que demuestra cómo las grandes corporaciones están aplicando la IA para resolver desafíos operativos clave en la fabricación.

La compañía de seguros Travelers equipó recientemente a 10 000 ingenieros y científicos de datos con asistentes de IA, y más de 20 000 profesionales utilizan ahora herramientas de IA con regularidad. Si bien la IA está impulsando la eficiencia de los centros de atención telefónica, el director ejecutivo, Alan Schnitzer, destaca que la verdadera ventaja competitiva de la empresa para el crecimiento de las ganancias a largo plazo reside en la experiencia humana, no solo en la IA. La estrategia de tecnología e innovación ha impulsado un aumento en las ganancias netas, con un crecimiento de las ventas de pólizas de seguros de casi el 7 % anual entre 2016 y 2025, lo que demuestra cómo la integración de la IA respalda la expansión del negocio sin descuidar la experiencia profesional.

La encuesta Pulse of Change de Accenture revela que el 90 % de los ejecutivos de seguros planean aumentar la inversión en IA en 2026, y el 85 % considera la IA como una herramienta para el crecimiento de los ingresos, en lugar de una medida para la reducción de costes. Sin embargo, la creciente brecha de competencias amenaza el progreso. El estudio, realizado a 3650 directivos de alto nivel en 20 sectores, halló que el 35 % reconoce que el éxito depende de estrategias de datos sólidas y capacidades digitales, mientras que el 54 % de los empleados afirma que los resultados de IA de baja calidad perjudican la productividad. Accenture subraya que el crecimiento sostenible requiere datos de calidad y resultados de IA fiables, no solo una mayor inversión, a medida que las organizaciones de seguros amplían la adopción de la IA.

El nuevo informe de Deloitte revela que las empresas están implementando agentes de IA a un ritmo mayor del que los protocolos de seguridad pueden adaptarse, lo que genera serias preocupaciones sobre seguridad, privacidad de datos y responsabilidad. Solo el 21 % de las organizaciones ha implementado una gobernanza de IA rigurosa, a pesar de que las tasas de adopción han aumentado rápidamente, pasando del 23 % actual a un 74 % previsto en dos años. Los controles de riesgo tradicionales, diseñados para operaciones centradas en el ser humano, tienen dificultades para abordar las exigencias de seguridad de los sistemas basados ​​en agentes. El informe subraya que los agentes de IA no son inherentemente peligrosos; más bien, los riesgos provienen de marcos de gobernanza inadecuados y una implementación contextual deficiente, ya que las empresas se apresuran a pasar de los programas piloto a la implementación en producción a gran escala.